Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Jurnal Informatika JTIK (Jurnal Teknik Informatika Kaputama) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer)
Zakarias Situmorang
Universitas Potensi Utama
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes Dalam Memprediksi Penyakit Cerebrovascular Kelvin Leonardi Kohsasih; Zakarias Situmorang
Jurnal Informatika Vol 9, No 1 (2022): April 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (72.693 KB) | DOI: 10.31294/inf.v9i1.11931

Abstract

Cerebrovascular Disease atau stroke merupakan salah satu penyebab utama kematian di dunia. stroke adalah penyakit yang disebabkan oleh gangguan pada pembuluh darah yang mensuplai darah ke otak. Machine learning merupakan teknologi yang dapat digunakan untuk memprediksi  stroke. Salah satu algoritma klasifikasi machine learning yang dapat digunakan untuk melakukan prediksi adalah Algoritma Decision Tree C4.5 dan Algoritma Naive Bayes. Dalam penelitian ini, peneliti akan membandingkan akurasi dan kinerja dua algoritma untuk memprediksi  stroke. Berdasarkan hasil penelitian didapatkan bahwa algoritma C4.5 memperoleh tingkat akurasi yang lebih tinggi yaitu 0,953 sedangkan algoritma Naive Bayes memperoleh tingkat akurasi 0,913.
Prototipe Sistem Fire Detector Berbasis Arduino Uno dan Web Rubianto Rubianto; Zakarias Situmorang; Yusfrizal Yusfrizal
JTIK (Jurnal Teknik Informatika Kaputama) Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banyaknya bencana kebakaran yang dapat muncul dari hal-hal yang sepele yang dapat menimbulkan kerugian berupa materil, psikologis bahkan korban jiwa. Prototipe ini dirancang untuk dapat mendeteksi kebakaran pada suatu ruangan, yang terdiri dari Sensor Suhu LM35DZ, Sensor Gas MQ-135, Mikrokontroler Arduino Uno, Modul Ethernet Shield W5100 dan adaptor sebagai catu daya. Kemudian, sensor suhu akan mendeteksi suhu di sekitar ruangan (dalam satuan ⁰C) dan sensor gas akan mendeteksi gas yang ada di sekitar ruangan, khusunya karbon monoksida (dalam satuan ppm). Ketika kedua sensor mendeteksi suhu dan gas dalam jumlah tertentu, maka akan dibandingkan dengan setpoin yang sudah di tetapkan pada mikrokontroler Arduino Uno. Jika hasil pengukuran kedua sensor lebih kecil dari setpoin, maka tidak ada tampilan peringatan. Tetapi jika hasil pengukuran kedua sensor lebih besar dari setpoint, maka akan muncul peringatan. Peringatan akan ditampilkan dalam web menggunakan bantuan Modul Ethernet Shield W5100 melalui koneksi LAN. Tampilan pada web, berupa peringatan “Bahaya”. Jadi ketika hasil pengukuran lebih besar dari setpoin, dapat dimungkinkan terjadi kebakaran pada ruangan tersebut. Prototipe ini dapat bekerja baik di dalam ruangan. Selisih perbandingan suhu antara LM35 dengan termometer batang adalah 0,18 ⁰C.
Model Klasifikasi Jenis Hewan Dengan SVM, KNN, Logistic Regression Menggunakan Pre-Trained VGG 16 Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang; Puji Sari Ramadhan
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 2 (2023): Agustus 2023
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v22i2.8314

Abstract

Proses komputasi serta filtering pada komputer untuk melaksanakan suatu tugas yang diinginkan untuk melakukan kegiatan tertentu tentunya tidak lepas dari sebuah metode pada pembelajaran. Dalam proses pembelajaran tersebut ada beberapa dari berbagai metode dapat dilakukan untuk dapat memenuhi periode training dan uji tersebut untuk memberikan komputer suatu keahlian tertentu. Salah satu cara tujuan untuk melakukan penunjang pada periode tersebut adalah dengan menggunakan algoritma support vector machine, k-nearest neighbor, dan logistic regression. Dimana pada algoritma ini mampu memuat keseluruhan skala informasi klasifikasi objek tanpa kehilangan dari pengetahuan keakuratannya. Tujuan dari penelitian ini adalah memberikan pada komputer dalam menggali kemampuan untuk mengenali jenis binatang dan memprediksi jenis binatang berdasarkan gambar yang dimasukan. Penelitian ini juga bertujuan untuk menilai keakuratan hasil training metode pembelajaran dibangkan dengan hasil keluaran dari pembelajaran. Metode yang digunakan dalam penelitian ini adalah mentraining secara komputasi, sejumlah gambar dari bebrapa hewan yang memiliki 10 jenis hewan yang dekat kepada manusia salah satunya hewan ternak, peliharaan, dan buas. Kemudian test akan dilakukan dengan cara yang sama setelah melalui tahapan konvulasi training. Hasil dari penelitian ini keakuratan hasil training mencapai 84%.
PROTOTIPE SISTEM FIRE DETECTOR BERBASIS ARDUINO UNO DAN WEB Rubianto Rubianto; Zakarias Situmorang; Yusfrizal Yusfrizal
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 6 No. 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v6i2.213

Abstract

Banyaknya bencana kebakaran yang dapat muncul dari hal-hal yang sepele yang dapat menimbulkan kerugian berupa materil, psikologis bahkan korban jiwa. Prototipe ini dirancang untuk dapat mendeteksi kebakaran pada suatu ruangan, yang terdiri dari Sensor Suhu LM35DZ, Sensor Gas MQ-135, Mikrokontroler Arduino Uno, Modul Ethernet Shield W5100 dan adaptor sebagai catu daya. Kemudian, sensor suhu akan mendeteksi suhu di sekitar ruangan (dalam satuan ⁰C) dan sensor gas akan mendeteksi gas yang ada di sekitar ruangan, khusunya karbon monoksida (dalam satuan ppm). Ketika kedua sensor mendeteksi suhu dan gas dalam jumlah tertentu, maka akan dibandingkan dengan setpoin yang sudah di tetapkan pada mikrokontroler Arduino Uno. Jika hasil pengukuran kedua sensor lebih kecil dari setpoin, maka tidak ada tampilan peringatan. Tetapi jika hasil pengukuran kedua sensor lebih besar dari setpoint, maka akan muncul peringatan. Peringatan akan ditampilkan dalam web menggunakan bantuan Modul Ethernet Shield W5100 melalui koneksi LAN. Tampilan pada web, berupa peringatan “Bahaya”. Jadi ketika hasil pengukuran lebih besar dari setpoin, dapat dimungkinkan terjadi kebakaran pada ruangan tersebut. Prototipe ini dapat bekerja baik di dalam ruangan. Selisih perbandingan suhu antara LM35 dengan termometer batang adalah 0,18 ⁰C.
Co-Authors Jaka Tirta Samudra Kelvin Leonardi Kohsasih Puji Sari Ramadhan Rika Rosnelly Rubianto Rubianto Yusfrizal Yusfrizal